函館 2R 詳細AI予想
本レースの全馬 AI 評価と推奨馬券を掲載します。期待値プラスと判定した馬のみ買い目に含めています。
モデル
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
フィエスタ |
斎藤 |
実13.9 |
B△ A◎勝率8% EV+10% 詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +6% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 7.2%) ◎Aモデルの評価 (参考) レース内 1位 / 勝率 8.0% / 期待値 +11% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
ボーントゥラブユー |
鮫島駿 |
実4.9 |
B▲ A×勝率8% EV-62% 詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -62% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 20.4%) ×Aモデルの評価 (参考) レース内 9位 / 勝率 7.6% / 期待値 -63% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
ダンツアラーム 推奨 |
▲遠藤 |
実14.0 |
B△ A△勝率8% EV+8% 詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +7% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 7.1%) △Aモデルの評価 (参考) レース内 5位 / 勝率 7.7% / 期待値 +8% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 4 |
スリールーディカ |
丹内 |
実32.1 |
B▽ A▽勝率8% EV+143% 詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +146% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 3.1%) ▽Aモデルの評価 (参考) レース内 11位 / 勝率 7.6% / 期待値 +144% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 5 |
ビアーレ |
横山琉 |
実125.8 |
B▽ A▽勝率8% EV+855% 詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +867% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 0.8%) ▽Aモデルの評価 (参考) レース内 13位 / 勝率 7.6% / 期待値 +856% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
プリュイドール |
◇古川奈 |
実14.5 |
B▽ A▽勝率8% EV+10% 詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +11% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 6.9%) ▽Aモデルの評価 (参考) レース内 10位 / 勝率 7.6% / 期待値 +10% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 7 |
ベネディクション |
横山武 |
実4.3 |
B○ A▲勝率8% EV-66% 詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 23.3%) ▲Aモデルの評価 (参考) レース内 3位 / 勝率 7.7% / 期待値 -67% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 8 |
アルケミラモリス |
▲大久保 |
実8.3 |
B△ A△勝率8% EV-35% 詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 12.0%) △Aモデルの評価 (参考) レース内 4位 / 勝率 7.7% / 期待値 -36% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 9 |
エアヴァイブス |
武豊 |
実2.7 |
B× A○勝率8% EV-79% 詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 37.0%) ○Aモデルの評価 (参考) レース内 2位 / 勝率 7.7% / 期待値 -79% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 10 |
アーミル |
小沢 |
実82.5 |
B▽ A▽勝率8% EV+537% 詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +534% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 1.2%) ▽Aモデルの評価 (参考) レース内 7位 / 勝率 7.7% / 期待値 +537% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 11 |
サウンドファミリエ 推奨 |
★河原田 |
実21.8 |
B▽ A△勝率8% EV+68% 詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +67% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 4.6%) △Aモデルの評価 (参考) レース内 6位 / 勝率 7.7% / 期待値 +68% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 12 |
ワンダージェム |
佐々木 |
実59.6 |
B▽ A▽勝率8% EV+352% 詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +358% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 1.7%) ▽Aモデルの評価 (参考) レース内 12位 / 勝率 7.6% / 期待値 +353% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 13 |
ヴィンテール |
△鷲頭 |
実107.3 |
B▽ A▽勝率8% EV+728% 詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +725% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 0.9%) ▽Aモデルの評価 (参考) レース内 8位 / 勝率 7.7% / 期待値 +729% ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
AI評価
🌟◎鉄板本命 ◎本命 ○対抗 ▲注目
△押さえ ▽下位 ×推奨外
／ 期待値 100円賭けたときの想定利益率
／ オッズ 実=リアル取得済 推定=推定オッズ
AIの推奨本命の次点
出走馬全13頭
×期待値 (オッズ vs AI勝率)
-79% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 37.0%)
○Aモデルの評価 (参考)
レース内 2位 / 勝率 7.7% / 期待値 -79%
×期待値 (オッズ vs AI勝率)
-67% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 23.3%)
▲Aモデルの評価 (参考)
レース内 3位 / 勝率 7.7% / 期待値 -67%
×期待値 (オッズ vs AI勝率)
-62% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 20.4%)
×Aモデルの評価 (参考)
レース内 9位 / 勝率 7.6% / 期待値 -63%
×期待値 (オッズ vs AI勝率)
-36% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 12.0%)
△Aモデルの評価 (参考)
レース内 4位 / 勝率 7.7% / 期待値 -36%
△期待値 (オッズ vs AI勝率)
+6% (市場と概ね一致)
AI 予想勝率
7.7% (オッズ暗示: 7.2%)
◎Aモデルの評価 (参考)
レース内 1位 / 勝率 8.0% / 期待値 +11%
△期待値 (オッズ vs AI勝率)
+7% (市場と概ね一致)
AI 予想勝率
7.7% (オッズ暗示: 7.1%)
△Aモデルの評価 (参考)
レース内 5位 / 勝率 7.7% / 期待値 +8%
△期待値 (オッズ vs AI勝率)
+11% (市場と概ね一致)
AI 予想勝率
7.7% (オッズ暗示: 6.9%)
▽Aモデルの評価 (参考)
レース内 10位 / 勝率 7.6% / 期待値 +10%
🌟◎期待値 (オッズ vs AI勝率)
+67% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 4.6%)
△Aモデルの評価 (参考)
レース内 6位 / 勝率 7.7% / 期待値 +68%
🌟◎期待値 (オッズ vs AI勝率)
+146% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 3.1%)
▽Aモデルの評価 (参考)
レース内 11位 / 勝率 7.6% / 期待値 +144%
🌟◎期待値 (オッズ vs AI勝率)
+358% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 1.7%)
▽Aモデルの評価 (参考)
レース内 12位 / 勝率 7.6% / 期待値 +353%
🌟◎期待値 (オッズ vs AI勝率)
+534% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 1.2%)
▽Aモデルの評価 (参考)
レース内 7位 / 勝率 7.7% / 期待値 +537%
🌟◎期待値 (オッズ vs AI勝率)
+725% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 0.9%)
▽Aモデルの評価 (参考)
レース内 8位 / 勝率 7.7% / 期待値 +729%
🌟◎期待値 (オッズ vs AI勝率)
+867% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 0.8%)
▽Aモデルの評価 (参考)
レース内 13位 / 勝率 7.6% / 期待値 +856%
💡 各馬をタップでAI評価の根拠を表示。印は推奨モデル (B) 基準、「A:」は A モデルの評価。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
3
ダンツアラーム
実14.0倍
期待値 +8%
推奨 13.0〜30.0倍
100円
❌不的中
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
11
サウンドファミリエ
実21.8倍
期待値 +67%
推奨 13.0〜30.0倍
200円
❌不的中2着
| 馬番 | 馬名 | 騎手 | オッズ |
AI評価 |
| 1 |
フィエスタ |
斎藤 |
実13.9 |
◎詳細▼ |
|
AI 評価の内訳 — 馬番 1 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 8.0% (オッズ暗示: 7.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 2 |
ボーントゥラブユー |
鮫島駿 |
実4.9 |
×詳細▼ |
|
AI 評価の内訳 — 馬番 2 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -63% (大幅な期待値マイナス) AI 予想勝率 7.6% (オッズ暗示: 20.4%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 3 |
ダンツアラーム 推奨 |
▲遠藤 |
実14.0 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 3 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +8% (市場と概ね一致) AI 予想勝率 7.7% (オッズ暗示: 7.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 4 |
スリールーディカ |
丹内 |
実32.1 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 4 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +143% (市場が大幅過小評価) AI 予想勝率 7.6% (オッズ暗示: 3.1%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 5 |
ビアーレ |
横山琉 |
実125.8 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 5 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +855% (市場が大幅過小評価) AI 予想勝率 7.6% (オッズ暗示: 0.8%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 6 |
プリュイドール |
◇古川奈 |
実14.5 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 6 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) △期待値 (オッズ vs AI勝率) +10% (市場と概ね一致) AI 予想勝率 7.6% (オッズ暗示: 6.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 7 |
ベネディクション |
横山武 |
実4.3 |
▲詳細▼ |
|
AI 評価の内訳 — 馬番 7 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -67% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 23.3%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 8 |
アルケミラモリス |
▲大久保 |
実8.3 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 8 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -36% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 12.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 9 |
エアヴァイブス |
武豊 |
実2.7 |
○詳細▼ |
|
AI 評価の内訳 — 馬番 9 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) ×期待値 (オッズ vs AI勝率) -79% (大幅な期待値マイナス) AI 予想勝率 7.7% (オッズ暗示: 37.0%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 10 |
アーミル |
小沢 |
実82.5 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 10 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +537% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 1.2%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 11 |
サウンドファミリエ 推奨 |
★河原田 |
実21.8 |
△詳細▼ |
|
AI 評価の内訳 — 馬番 11 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +68% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 4.6%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 12 |
ワンダージェム |
佐々木 |
実59.6 |
▽詳細▼ |
前5走 過去走データ取得失敗 (horse_results 不在) |
AI 評価の内訳 — 馬番 12 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +352% (市場が大幅過小評価) AI 予想勝率 7.6% (オッズ暗示: 1.7%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
| 13 |
ヴィンテール |
△鷲頭 |
実107.3 |
▽詳細▼ |
|
AI 評価の内訳 — 馬番 13 ◎ 高評価⇄× 低評価の 7 段階 (🌟◎ ◎ ○ ▲ △ ▽ ×) 🌟◎期待値 (オッズ vs AI勝率) +728% (市場が大幅過小評価) AI 予想勝率 7.7% (オッズ暗示: 0.9%) ※ 各因子の評価はモデルが学習した特徴量から算出。バーの長さは「その因子がレース内で占める影響の大きさ」の目安です。 |
AI評価
🌟◎鉄板本命 ◎本命 ○対抗 ▲注目
△押さえ ▽下位 ×推奨外
／ 期待値 100円賭けたときの想定利益率
／ オッズ 実=リアル取得済 推定=推定オッズ
AIの推奨本命の次点
出走馬全13頭
△期待値 (オッズ vs AI勝率)
+10% (市場と概ね一致)
AI 予想勝率
8.0% (オッズ暗示: 7.2%)
×期待値 (オッズ vs AI勝率)
-79% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 37.0%)
×期待値 (オッズ vs AI勝率)
-67% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 23.3%)
×期待値 (オッズ vs AI勝率)
-36% (大幅な期待値マイナス)
AI 予想勝率
7.7% (オッズ暗示: 12.0%)
△期待値 (オッズ vs AI勝率)
+8% (市場と概ね一致)
AI 予想勝率
7.7% (オッズ暗示: 7.1%)
🌟◎期待値 (オッズ vs AI勝率)
+68% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 4.6%)
🌟◎期待値 (オッズ vs AI勝率)
+537% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 1.2%)
🌟◎期待値 (オッズ vs AI勝率)
+728% (市場が大幅過小評価)
AI 予想勝率
7.7% (オッズ暗示: 0.9%)
×期待値 (オッズ vs AI勝率)
-63% (大幅な期待値マイナス)
AI 予想勝率
7.6% (オッズ暗示: 20.4%)
△期待値 (オッズ vs AI勝率)
+10% (市場と概ね一致)
AI 予想勝率
7.6% (オッズ暗示: 6.9%)
🌟◎期待値 (オッズ vs AI勝率)
+143% (市場が大幅過小評価)
AI 予想勝率
7.6% (オッズ暗示: 3.1%)
🌟◎期待値 (オッズ vs AI勝率)
+352% (市場が大幅過小評価)
AI 予想勝率
7.6% (オッズ暗示: 1.7%)
🌟◎期待値 (オッズ vs AI勝率)
+855% (市場が大幅過小評価)
AI 予想勝率
7.6% (オッズ暗示: 0.8%)
💡 各馬をタップでAI評価の根拠を表示。買い目は期待値プラスのみ推奨。
このレースの推奨馬券 2モデル並走 (AI 期待値プラス判定)
A. 現行モデル (binary)
-
単勝
3
ダンツアラーム
実14.0倍
期待値 +8%
推奨 13.0〜30.0倍
100円
❌不的中
B. 新モデル (rank最適化 + leak-free + 確率校正)
-
単勝
11
サウンドファミリエ
実21.8倍
期待値 +67%
推奨 13.0〜30.0倍
200円
❌不的中2着
本サイトの予想は機械学習モデルによる参考情報です。過去の実績は将来の結果を保証しません。投資判断は自己責任でお願いします。本サイト運営者は損失について一切の責任を負いません。20歳未満の方は馬券を購入できません。
